En los videojuegos , la inteligencia artificial (IA) se utiliza para generar comportamientos sensibles, adaptativos o inteligentes principalmente en personajes no jugables (NPC) similares a la inteligencia humana . La inteligencia artificial ha sido una parte integral de los videojuegos desde su inicio en 1948, vista por primera vez en el juego Nim . [1] La IA en los videojuegos es un subcampo distinto y se diferencia de la IA académica. Sirve para mejorar la experiencia del jugador en lugar del aprendizaje automático o la toma de decisiones. Durante la época dorada de los videojuegos arcade, la idea de los oponentes de IA se popularizó en gran medida en forma de niveles de dificultad graduados, patrones de movimiento distintos y eventos en el juego que dependen de la entrada del jugador. Los juegos modernos a menudo implementan técnicas existentes como la búsqueda de rutas y los árboles de decisión para guiar las acciones de los NPC. La IA se utiliza a menudo en mecanismos que no son inmediatamente visibles para el usuario, como la minería de datos y la generación de contenido procedimental . [2] Uno de los ejemplos más infames de esta tecnología de NPC y niveles de dificultad graduales se puede encontrar en el juego Punch-Out!!. [3]
En general, la IA en un juego no significa, como podría pensarse y a veces se describe, la realización de una persona artificial correspondiente a un PNJ a la manera del test de Turing o una inteligencia general artificial .
El término "IA de juegos" se utiliza para referirse a un amplio conjunto de algoritmos que también incluyen técnicas de la teoría de control , la robótica , los gráficos por computadora y la informática en general, por lo que la IA de los videojuegos a menudo puede no constituir una "IA verdadera" en el sentido de que dichas técnicas no necesariamente facilitan el aprendizaje por computadora u otros criterios estándar, y solo constituyen "computación automatizada" o un conjunto predeterminado y limitado de respuestas a un conjunto predeterminado y limitado de entradas. [4] [5] [6]
Muchas voces de la industria y corporaciones [ ¿quiénes? ] sostienen que la IA de los juegos ha avanzado mucho en el sentido de que ha revolucionado la forma en que los humanos interactúan con todas las formas de tecnología, aunque muchos [¿ quiénes? ] investigadores expertos son escépticos ante tales afirmaciones, y particularmente ante la noción de que tales tecnologías se ajusten a la definición de "inteligencia" utilizada de manera estándar en las ciencias cognitivas . [4] [5] [6] [7] Las voces de la industria [ ¿quiénes? ] argumentan que la IA se ha vuelto más versátil en la forma en que usamos todos los dispositivos tecnológicos para más que su propósito previsto porque la IA permite que la tecnología opere de múltiples maneras, supuestamente desarrollando sus propias personalidades y llevando a cabo instrucciones complejas del usuario. [8] [9]
Las personas [¿ quiénes? ] en el campo de la IA han argumentado que la IA de los videojuegos no es inteligencia real, sino una palabra de moda publicitaria utilizada para describir programas de computadora que utilizan algoritmos simples de clasificación y coincidencia para crear la ilusión de comportamiento inteligente mientras otorgan al software un aura engañosa de complejidad y avance científico o tecnológico. [4] [5] [6] [10] Dado que la IA de los juegos para los NPC se centra en la apariencia de inteligencia y una buena jugabilidad dentro de las restricciones del entorno, su enfoque es muy diferente al de la IA tradicional.
El juego fue un área de investigación en IA desde sus inicios. Uno de los primeros ejemplos de IA es el juego computarizado de Nim creado en 1951 y publicado en 1952. A pesar de ser tecnología avanzada en el año en que se creó, 20 años antes de Pong , el juego tomó la forma de una caja relativamente pequeña y fue capaz de ganar partidas regularmente incluso contra jugadores altamente calificados del juego. [1] En 1951, utilizando la máquina Ferranti Mark 1 de la Universidad de Manchester , Christopher Strachey escribió un programa de damas y Dietrich Prinz escribió uno de ajedrez . [11] Estos fueron de los primeros programas de computadora jamás escritos. El programa de damas de Arthur Samuel , desarrollado a mediados de los 50 y principios de los 60, finalmente logró la habilidad suficiente para desafiar a un aficionado respetable. [12] El trabajo en damas y ajedrez culminaría con la derrota de Garry Kasparov por la computadora Deep Blue de IBM en 1997. [13] Los primeros videojuegos desarrollados en la década de 1960 y principios de la de 1970, como Spacewar!, Pong y Gotcha ( 1973), eran juegos implementados en lógica discreta y estrictamente basados en la competencia de dos jugadores, sin IA.
Los juegos que incluían un modo para un jugador con enemigos comenzaron a aparecer en la década de 1970. Los primeros notables para la sala de juegos aparecieron en 1974: el juego de Taito Speed Race ( videojuego de carreras ) y los juegos de Atari Qwak ( juego de disparos con pistola ligera para cazar patos ) y Pursuit ( simulador de combate aéreo con aviones de combate ). Dos juegos de computadora basados en texto, Star Trek (1971) y Hunt the Wumpus (1973), también tenían enemigos. El movimiento del enemigo se basaba en patrones almacenados. La incorporación de microprocesadores permitiría más computación y elementos aleatorios superpuestos en patrones de movimiento.
Fue durante la época dorada de los videojuegos arcade que la idea de los oponentes de IA se popularizó en gran medida, debido al éxito de Space Invaders (1978), que presentaba un nivel de dificultad creciente, patrones de movimiento distintos y eventos dentro del juego dependientes de funciones hash basadas en la entrada del jugador. Galaxian (1979) agregó movimientos enemigos más complejos y variados, incluidas maniobras de enemigos individuales que salen de la formación. Pac-Man (1980) introdujo patrones de IA en los juegos de laberinto , con la peculiaridad adicional de diferentes personalidades para cada enemigo. Karate Champ (1984) introdujo más tarde patrones de IA en los juegos de lucha . First Queen (1988) fue un juego de rol de acción táctica que presentaba personajes que podían ser controlados por la IA de la computadora para seguir al líder. [14] [15] El videojuego de rol Dragon Quest IV (1990) introdujo un sistema de "Tácticas", donde el usuario puede ajustar las rutinas de IA de personajes no jugadores durante la batalla, un concepto introducido posteriormente en el género de juegos de rol de acción por Secret of Mana (1993).
Juegos como Madden Football , Earl Weaver Baseball y Tony La Russa Baseball basaron su IA en un intento de duplicar en la computadora el estilo de entrenamiento o gerencial de la celebridad seleccionada. Madden, Weaver y La Russa trabajaron extensamente con estos equipos de desarrollo de juegos para maximizar la precisión de los juegos. [ cita requerida ] Los títulos deportivos posteriores permitieron a los usuarios "ajustar" variables en la IA para producir una estrategia de entrenamiento o gerencial definida por el jugador.
La aparición de nuevos géneros de juegos en la década de 1990 impulsó el uso de herramientas formales de IA como las máquinas de estados finitos . Los juegos de estrategia en tiempo real exigían a la IA muchos objetos, información incompleta, problemas de búsqueda de rutas, decisiones en tiempo real y planificación económica, entre otras cosas. [16] Los primeros juegos del género tenían problemas notorios. Herzog Zwei (1989), por ejemplo, había roto casi por completo la búsqueda de rutas y máquinas de estados de tres estados muy básicas para el control de unidades, y Dune II (1992) atacó la base de los jugadores en línea recta y utilizó numerosos trucos. [17] Los juegos posteriores del género exhibieron una IA más sofisticada.
Los juegos posteriores han utilizado métodos de IA ascendentes , como el comportamiento emergente y la evaluación de las acciones de los jugadores en juegos como Creatures o Black & White . Façade (historia interactiva) se lanzó en 2005 y utilizó diálogos interactivos de múltiples vías e IA como aspecto principal del juego.
Los juegos han proporcionado un entorno para el desarrollo de la inteligencia artificial con posibles aplicaciones más allá del juego. Entre los ejemplos se incluyen Watson , una computadora que juega a Jeopardy!, y el torneo RoboCup , donde se entrena a robots para competir en fútbol. [18]
Muchos expertos se quejan de que el término "IA" en el término "IA de juegos" exagera su valor, ya que la IA de juegos no se trata de inteligencia y comparte pocos de los objetivos del campo académico de la IA. Mientras que la "IA real" aborda los campos del aprendizaje automático, la toma de decisiones basada en la entrada de datos arbitrarios e incluso el objetivo final de una IA fuerte que pueda razonar, la "IA de juegos" a menudo consta de media docena de reglas generales, o heurísticas , que son suficientes para brindar una buena experiencia de juego. [ cita requerida ] Históricamente, los proyectos académicos de IA de juegos han estado relativamente separados de los productos comerciales porque los enfoques académicos tendían a ser simples y no escalables. La IA de juegos comercial ha desarrollado su propio conjunto de herramientas, que han sido suficientes para brindar un buen desempeño en muchos casos. [2]
La creciente conciencia de los desarrolladores de juegos sobre la IA académica y el creciente interés en los juegos de computadora por parte de la comunidad académica está haciendo que la definición de lo que se considera IA en un juego se vuelva menos idiosincrásica . Sin embargo, las diferencias significativas entre los diferentes dominios de aplicación de la IA significan que la IA de juegos todavía puede verse como un subcampo distinto de la IA. En particular, la capacidad de resolver legítimamente algunos problemas de IA en los juegos haciendo trampa crea una distinción importante. Por ejemplo, inferir la posición de un objeto invisible a partir de observaciones pasadas puede ser un problema difícil cuando la IA se aplica a la robótica, pero en un juego de computadora un NPC puede simplemente buscar la posición en el gráfico de escena del juego . Tal trampa puede conducir a un comportamiento poco realista y, por lo tanto, no siempre es deseable. Pero su posibilidad sirve para distinguir la IA de los juegos y conduce a nuevos problemas para resolver, como cuándo y cómo hacer trampa. [ cita requerida ]
La principal limitación de la IA fuerte es la inherente profundidad de pensamiento y la extrema complejidad del proceso de toma de decisiones. Esto significa que, aunque teóricamente sería posible crear una IA "inteligente", el problema requeriría una considerable capacidad de procesamiento. [ cita requerida ]
Los algoritmos heurísticos/de IA de los juegos se utilizan en una amplia variedad de campos bastante dispares dentro de un juego. El más obvio es el control de los NPC del juego, aunque la "programación" ( árbol de decisiones ) es actualmente el medio de control más común. [19] Estos árboles de decisiones escritos a mano a menudo dan lugar a "estupideces artificiales", como comportamiento repetitivo, pérdida de inmersión o comportamiento anormal en situaciones que los desarrolladores no habían previsto. [20]
Pathfinding , otro uso común de la IA, se ve ampliamente en los juegos de estrategia en tiempo real . Pathfinding es el método para determinar cómo llevar a un PNJ de un punto a otro en un mapa, teniendo en cuenta el terreno, los obstáculos y posiblemente la " niebla de guerra ". [21] [22] Los videojuegos comerciales a menudo utilizan una "búsqueda de rutas basada en cuadrícula" rápida y simple, en la que el terreno se mapea en una cuadrícula rígida de cuadrados uniformes y se aplica un algoritmo de búsqueda de rutas como A* o IDA* a la cuadrícula. [23] [24] [25] En lugar de solo una cuadrícula rígida, algunos juegos usan polígonos irregulares y ensamblan una malla de navegación a partir de las áreas del mapa a las que los PNJ pueden caminar. [23] [26] Como tercer método, a veces es conveniente para los desarrolladores seleccionar manualmente "puntos de referencia" que los PNJ deben usar para navegar; el costo es que dichos puntos de referencia pueden crear un movimiento de apariencia poco natural. Además, los puntos de referencia tienden a funcionar peor que las mallas de navegación en entornos complejos. [27] [28] Más allá de la búsqueda de rutas estáticas, la navegación es un subcampo de la IA de juegos que se centra en dar a los PNJ la capacidad de navegar en un entorno dinámico, encontrando un camino hacia un objetivo mientras evitan colisiones con otras entidades (otros PNJ, jugadores...) o colaboran con ellos (navegación en grupo). [ cita requerida ] La navegación en juegos de estrategia dinámicos con un gran número de unidades, como Age of Empires (1997) o Civilization V (2010), a menudo funciona mal; las unidades a menudo se interponen en el camino de otras unidades. [28]
En lugar de mejorar la IA del juego para resolver adecuadamente un problema difícil en el entorno virtual, a menudo resulta más rentable simplemente modificar el escenario para que sea más manejable. Si la búsqueda de caminos se atasca en un obstáculo específico, un desarrollador puede terminar moviendo o eliminando el obstáculo. [29] En Half-Life (1998), el algoritmo de búsqueda de caminos a veces no lograba encontrar una forma razonable para que todos los PNJ esquivaran una granada lanzada; en lugar de permitir que los PNJ intentaran esquivar el ataque y arriesgarse a parecer estúpidos, los desarrolladores programaron a los PNJ para que se agacharan y se cubrieran en el lugar en esa situación. [30]
Muchos videojuegos contemporáneos pertenecen a la categoría de acción, disparos en primera persona o aventuras. En la mayoría de estos tipos de juegos, hay algún nivel de combate. La capacidad de la IA para ser eficiente en el combate es importante en estos géneros. Un objetivo común hoy en día es hacer que la IA sea más humana o al menos lo parezca.
Una de las características más positivas y eficientes que se encuentran en la IA de los videojuegos modernos es la capacidad de cazar. La IA reaccionaba originalmente de una manera muy clara: si el jugador estaba en un área específica, la IA reaccionaba de una manera completamente ofensiva o completamente defensiva. En los últimos años, se ha introducido la idea de "cazar"; en este estado de "cacería", la IA buscará marcadores realistas, como sonidos hechos por el personaje o huellas que pueda haber dejado atrás. [31] Estos avances finalmente permiten una forma de juego más compleja. Con esta característica, el jugador puede realmente considerar cómo acercarse o evitar a un enemigo. Esta es una característica que es particularmente frecuente en el género del sigilo .
Otro desarrollo reciente de la IA en los juegos ha sido el desarrollo del "instinto de supervivencia". Los ordenadores de los juegos pueden reconocer diferentes objetos en un entorno y determinar si son beneficiosos o perjudiciales para su supervivencia. Al igual que un usuario, la IA puede buscar refugio en un tiroteo antes de realizar acciones que la dejarían vulnerable de otro modo, como recargar un arma o lanzar una granada. Se pueden establecer marcadores que le indiquen cuándo reaccionar de una determinada manera. Por ejemplo, si se le da a la IA una orden para que compruebe su salud durante un juego, se pueden establecer más órdenes para que reaccione de una forma específica cuando se alcance un determinado porcentaje de salud. Si la salud está por debajo de un determinado umbral, se puede configurar a la IA para que huya del jugador y lo evite hasta que se active otra función. Otro ejemplo podría ser que, si la IA se da cuenta de que se ha quedado sin balas, busque un objeto que la cubra y se esconda detrás de él hasta que haya recargado. Acciones como estas hacen que la IA parezca más humana. Sin embargo, todavía es necesario mejorar en esta área.
Otro efecto secundario de la IA de combate ocurre cuando dos personajes controlados por IA se encuentran entre sí; popularizado por primera vez en el juego Doom de id Software , las llamadas "luchas internas entre monstruos" pueden estallar en ciertas situaciones. En concreto, los agentes de la IA que están programados para responder a ataques hostiles a veces se atacarán entre sí si los ataques de su cohorte caen demasiado cerca de ellos. [ cita requerida ] En el caso de Doom , los manuales de juego publicados incluso sugieren aprovechar las luchas internas entre monstruos para sobrevivir a ciertos niveles y niveles de dificultad.
La generación de contenido procedimental (PCG) es una técnica de IA para crear contenido dentro del juego de forma autónoma a través de algoritmos con una mínima participación de los diseñadores. [32] La PCG se utiliza normalmente para generar dinámicamente características del juego, como niveles, diálogos de NPC y sonidos. Los desarrolladores introducen parámetros específicos para guiar a los algoritmos en la creación de contenido para ellos. La PCG ofrece numerosas ventajas tanto desde el punto de vista del desarrollo como de la experiencia del jugador. Los estudios de juegos pueden gastar menos dinero en artistas y ahorrar tiempo en producción. [33] Los jugadores reciben una experiencia nueva y altamente rejugable, ya que el juego genera contenido nuevo cada vez que juegan. La PCG permite que el contenido del juego se adapte en tiempo real a las acciones del jugador. [34]
Los algoritmos generativos (una forma rudimentaria de IA) se han utilizado para la creación de niveles durante décadas. El icónico juego de computadora de exploración de mazmorras de 1980 Rogue es un ejemplo fundamental. Los jugadores tienen la tarea de descender a través de los niveles cada vez más difíciles de una mazmorra para recuperar el Amuleto de Yendor. Los niveles de la mazmorra se generan algorítmicamente al comienzo de cada juego. El archivo guardado se elimina cada vez que el jugador muere. [35] La generación algorítmica de mazmorras crea una jugabilidad única que de otra manera no estaría allí, ya que el objetivo de recuperar el amuleto es el mismo cada vez.
Las opiniones sobre la generación total de niveles como se ve en juegos como Rogue pueden variar. Algunos desarrolladores pueden ser escépticos sobre la calidad del contenido generado y desear crear un mundo con una sensación más "humana", por lo que usarán PCG con más moderación. [32] En consecuencia, solo usarán PCG para generar componentes específicos de un nivel que de otro modo sería artesanal. Un ejemplo notable de esto es el shooter táctico de Ubisoft de 2017 , Tom Clancy's Ghost Recon Wildlands . Los desarrolladores utilizaron un algoritmo de búsqueda de rutas entrenado con un conjunto de datos de mapas reales para crear redes de carreteras que atravesarían aldeas hechas a mano dentro del mundo del juego. [34] Este es un uso inteligente de PCG ya que la IA tendría una gran cantidad de datos del mundo real con los que trabajar y las carreteras son sencillas de crear. Sin embargo, la IA probablemente pasaría por alto matices y sutilezas si se le asignara la tarea de crear una aldea donde viva gente.
A medida que la IA se ha vuelto más avanzada, los objetivos de los desarrolladores están cambiando para crear repositorios masivos de niveles a partir de conjuntos de datos. En 2023, investigadores de la Universidad de Nueva York y la Universidad de Witwatersrand entrenaron un gran modelo de lenguaje para generar niveles al estilo del juego de rompecabezas de 1981 Sokoban . Descubrieron que el modelo se destacó en la generación de niveles con características solicitadas específicamente, como el nivel de dificultad o el diseño. [36] Sin embargo, los modelos actuales como el utilizado en el estudio requieren grandes conjuntos de datos de niveles para ser efectivos. Concluyeron que, si bien es prometedor, el alto costo de datos de los grandes modelos de lenguaje actualmente supera los beneficios para esta aplicación. [36] Los avances continuos en el campo probablemente conducirán a un uso más generalizado en el futuro.
La banda sonora de un videojuego es una expresión importante del tono emocional de una escena para el jugador. Los efectos de sonido, como el ruido de un arma al golpear a un enemigo, ayudan a indicar el efecto de las acciones del jugador. Generarlos en tiempo real crea una experiencia atractiva para el jugador porque el juego responde mejor a sus entradas. [32] Un ejemplo es el juego de aventuras Proteus de 2013 , en el que un algoritmo adapta dinámicamente la música en función del ángulo desde el que el jugador ve el paisaje del juego. [35]
Los recientes avances en IA han dado como resultado la creación de herramientas avanzadas capaces de crear música y sonido basándose en factores evolutivos con una mínima intervención del desarrollador. Un ejemplo de ello es el generador de música MetaComposure. MetaComposure es un algoritmo evolutivo diseñado para generar composiciones musicales originales durante el juego en tiempo real para que coincidan con el estado de ánimo actual del entorno. [37] El algoritmo es capaz de evaluar el estado de ánimo actual del estado de juego mediante el "etiquetado del estado de ánimo". Las investigaciones indican que existe una correlación estadística positiva significativa entre la participación del jugador en el juego y las composiciones musicales generadas dinámicamente cuando coinciden con precisión con sus emociones actuales. [38]
La IA en los juegos suele basarse en la búsqueda de caminos y en máquinas de estados finitos. La búsqueda de caminos lleva a la IA del punto A al punto B, normalmente de la forma más directa posible. Las máquinas de estados permiten la transición entre diferentes comportamientos. El método de búsqueda de árboles de Montecarlo [39] proporciona una experiencia de juego más atractiva al crear obstáculos adicionales que el jugador debe superar. El MCTS consiste en un diagrama de árbol en el que la IA juega esencialmente al tres en raya . Según el resultado, selecciona un camino que da lugar al siguiente obstáculo para el jugador. En los videojuegos complejos, estos árboles pueden tener más ramas, siempre que el jugador pueda idear varias estrategias para superar el obstáculo. En la encuesta de este año 2022, [40] puede conocer las aplicaciones recientes del algoritmo MCTS en varios dominios de juego, como los juegos combinatorios de información perfecta, los juegos de estrategia (incluido el RTS ), los juegos de cartas, etc.
La IA académica puede desempeñar un papel dentro de la IA de juegos, más allá de la preocupación tradicional de controlar el comportamiento de los personajes no jugadores. Georgios N. Yannakakis destacó cuatro áreas de aplicación potenciales: [2]
En lugar de la generación procedimental, algunos investigadores han utilizado redes generativas adversarias (GAN) para crear contenido nuevo. En 2018, investigadores de la Universidad de Cornwall entrenaron una GAN en mil niveles creados por humanos para Doom ; después del entrenamiento, el prototipo de red neuronal pudo diseñar nuevos niveles jugables por sí solo. De manera similar, investigadores de la Universidad de California crearon un prototipo de GAN para generar niveles para Super Mario . [41] En 2020, Nvidia mostró un clon de Pac-Man creado por GAN ; la GAN aprendió a recrear el juego al observar 50.000 partidas (en su mayoría generadas por bots). [42]
Los jugadores siempre preguntan si la IA hace trampas (probablemente para poder quejarse si pierden)
— Terry Lee Coleman de Computer Gaming World , 1994 [43]
En el contexto de la inteligencia artificial en los videojuegos, hacer trampa se refiere a que el programador le da a los agentes acciones y acceso a información que no estaría disponible para el jugador en la misma situación. [44] Creyendo que el Atari de 8 bits no podía competir contra un jugador humano, Chris Crawford no arregló un error en Eastern Front (1941) que benefició al bando ruso controlado por computadora. [45] Computer Gaming World en 1994 informó que "Es un hecho bien conocido que muchas IA 'hacen trampa' (o, al menos, 'eluden') para poder seguir el ritmo de los jugadores humanos". [46]
Por ejemplo, si los agentes quieren saber si el jugador está cerca, se les pueden dar sensores complejos, similares a los humanos (vista, oído, etc.), o pueden hacer trampas simplemente preguntando al motor del juego por la posición del jugador. Las variaciones comunes incluyen dar a las IA velocidades más altas en los juegos de carreras para alcanzar al jugador o generarlas en posiciones ventajosas en los juegos de disparos en primera persona. El uso de trampas en la IA muestra las limitaciones de la "inteligencia" alcanzable artificialmente; en términos generales, en los juegos donde la creatividad estratégica es importante, los humanos podrían vencer fácilmente a la IA después de un mínimo de ensayo y error si no fuera por esta ventaja. Las trampas se implementan a menudo por razones de rendimiento, donde en muchos casos pueden considerarse aceptables siempre que el efecto no sea obvio para el jugador. Si bien las trampas se refieren solo a los privilegios otorgados específicamente a la IA (no incluyen la rapidez y precisión inhumanas naturales de una computadora), un jugador podría llamar "trampa" a las ventajas inherentes de la computadora si dan como resultado que el agente actúe de manera diferente a un jugador humano. [44] Sid Meier afirmó que omitió las alianzas multijugador en Civilization porque descubrió que la computadora era casi tan buena como los humanos al usarlas, lo que hacía que los jugadores pensaran que la computadora estaba haciendo trampas. [47] Los desarrolladores dicen que la mayoría de las IA de los juegos son honestas, pero no les gusta que los jugadores se quejen erróneamente de que la IA "hace trampas". Además, los humanos usan tácticas contra las computadoras que no usarían contra otras personas. [45]
En el juego Creatures de 1996 , el usuario "eclosiona" pequeños animales peludos y les enseña cómo comportarse. Estas "nornas" pueden hablar, alimentarse por sí mismas y protegerse de criaturas feroces. Fue la primera aplicación popular del aprendizaje automático en una simulación interactiva. Las criaturas utilizan redes neuronales para aprender qué hacer. El juego se considera un gran avance en la investigación de la vida artificial , que tiene como objetivo modelar el comportamiento de las criaturas que interactúan con su entorno. [48]
En el juego de disparos en primera persona Halo: Combat Evolved de 2001 , el jugador asume el papel del Jefe Maestro y lucha contra varios alienígenas a pie o en vehículos. Los enemigos utilizan la cobertura con mucha prudencia y emplean fuego supresor y granadas. La situación del escuadrón afecta a los individuos, por lo que ciertos enemigos huyen cuando su líder muere. Se presta atención a los pequeños detalles, como los enemigos que devuelven las granadas o los miembros del equipo que responden cuando se les molesta. La tecnología subyacente del " árbol de comportamiento " se ha vuelto muy popular en la industria de los videojuegos desde Halo 2. [ 48]
El juego de disparos en primera persona de terror psicológico de 2005 FEAR tiene personajes jugadores que se enfrentan a un batallón de supersoldados clonados , robots y criaturas paranormales . La IA utiliza un planificador para generar comportamientos sensibles al contexto, la primera vez en un juego convencional. Esta tecnología todavía se utiliza como referencia para muchos estudios. Las réplicas son capaces de utilizar el entorno del juego a su favor, como volcar mesas y estantes para crear cobertura, abrir puertas, atravesar ventanas o incluso notar (y alertar al resto de sus compañeros) la linterna del jugador. Además, la IA también es capaz de realizar maniobras de flanqueo, usar fuego de supresión, lanzar granadas para sacar al jugador de la cobertura e incluso hacerse el muerto. La mayoría de estas acciones, en particular el flanqueo, es el resultado de un comportamiento emergente. [49] [50]
La serie de terror y supervivencia STALKER (2007–) enfrenta al jugador a experimentos artificiales, soldados militares y mercenarios conocidos como Stalkers. Los diversos enemigos con los que se encuentra (si el nivel de dificultad está configurado en su nivel más alto) utilizan tácticas y comportamientos de combate como curar a aliados heridos, dar órdenes, flanquear al jugador y usar armas con precisión milimétrica. [ cita requerida ]
El juego de estrategia en tiempo real de 2010 StarCraft II: Wings of Liberty le da al jugador el control de una de tres facciones en una arena de batalla de 1 contra 1, 2 contra 2 o 3 contra 3. El jugador debe derrotar a sus oponentes destruyendo todas sus unidades y bases. Esto se logra creando unidades que sean efectivas para contrarrestar las unidades de los oponentes. Los jugadores pueden jugar contra múltiples niveles diferentes de dificultad de IA que van desde muy fácil hasta Cheater 3 (loco). La IA puede hacer trampa en la dificultad Cheater 1 (visión), donde puede ver unidades y bases cuando un jugador en la misma situación no podría. Cheater 2 le da a la IA recursos adicionales, mientras que Cheater 3 le da una amplia ventaja sobre su oponente. [51]
Red Dead Redemption 2 , lanzado por Rockstar Games en 2018, ejemplifica el uso avanzado de la IA en los videojuegos modernos. El juego incorpora un sistema de IA muy detallado que gobierna el comportamiento de los NPC y el dinámico mundo del juego. Los NPC en el juego muestran comportamientos complejos y variados basados en una amplia gama de factores que incluyen su entorno, interacciones con los jugadores y la hora del día. Este nivel de integración de la IA crea una experiencia rica e inmersiva donde los personajes reaccionan a los jugadores de una manera realista, lo que contribuye a la reputación del juego como uno de los juegos de mundo abierto más avanzados jamás creados. [52]
El juego sandbox basado en navegador Infinite Craft, que se lanzará en 2024, utiliza software de IA generativa , incluido LLaMA . Cuando se combinan dos elementos, la IA genera un nuevo elemento. [53]
La inteligencia artificial generativa , un sistema de IA que puede responder a indicaciones y producir texto, imágenes y clips de audio y vídeo, surgió en 2023 con sistemas como ChatGPT y Stable Diffusion . En los videojuegos, estos sistemas podrían crear la posibilidad de que los activos del juego se creen indefinidamente, eludiendo las limitaciones típicas de las creaciones humanas. Sin embargo, existen preocupaciones similares en otros campos, en particular la posibilidad de pérdida de puestos de trabajo normalmente dedicados a la creación de estos activos. [54]
En enero de 2024, SAG-AFTRA , un sindicato de actores de Estados Unidos, firmó un contrato con Replica Studios que permitiría a Replica capturar el trabajo de voz de los actores sindicalizados para crear sistemas de voz de IA basados en sus voces para su uso en videojuegos, y el contrato garantizaba la protección de los salarios y los derechos. Si bien el contrato fue acordado por un comité de SAG-AFTRA, muchos miembros expresaron críticas sobre la medida, ya que no se les informó al respecto hasta que se completó y que el acuerdo no hizo lo suficiente para proteger a los actores. [55]
El futuro de la IA en los videojuegos tiene el potencial de ofrecer experiencias aún más atractivas y receptivas. Gracias al progreso en el aprendizaje automático y a tecnologías como las redes neuronales, los personajes de la IA pueden adaptarse y desarrollarse de acuerdo con las interacciones de los jugadores, lo que genera experiencias de juego distintivas y personalizadas. Además, los avances en la IA fomentarán interacciones más naturales e intuitivas entre los jugadores y los personajes del juego. Los juegos futuros podrían incluir NPC capaces de comprender y responder a comandos intrincados del jugador a través del lenguaje conversacional, lo que impulsará la inmersión y el realismo del mundo del juego. El futuro de la inteligencia artificial en los videojuegos traerá cambios revolucionarios que mejorarán significativamente la experiencia de juego. Como destaca Shahzad Ahmad, la capacidad de la IA para crear y modificar contenido sobre la marcha permitirá que los juegos presenten a los jugadores desafíos y escenarios únicos adaptados a su estilo de juego y preferencias. [56]
Los recientes avances en IA para videojuegos han dado lugar a comportamientos más complejos y adaptativos en personajes no jugables (NPC). Por ejemplo, los sistemas de IA utilizan ahora técnicas sofisticadas como árboles de decisión y máquinas de estados para mejorar las interacciones y el realismo de los NPC, como se analiza en "Inteligencia artificial en juegos". [57] Los recientes avances en IA para videojuegos también se han centrado en mejorar los comportamientos dinámicos y adaptativos en los NPC. Por ejemplo, investigaciones recientes han explorado el uso de redes neuronales complejas para permitir que los NPC aprendan y adapten su comportamiento en función de las acciones del jugador, mejorando la experiencia de juego en general. Este enfoque se detalla en el documento del IEEE sobre "Técnicas de IA para sistemas de juegos interactivos". [58]
